AI高薪分水岭:评估能力>代码能力

一位拥有33万粉丝的海外内容创作者Aakash Gupta，读了1177份公开招聘的产品经理职位，其中562份属于AI岗位。他按"产品经理实际塑造什么"把这些岗位分成四类，薪资差距拉得很开：最低的应用型年薪中位数22.2万美元，最高的模型型达到34.5万美元。

这份榜单值得机关、高校和企业的管理者认真看，原因和求职者关心的正好相反。它透露的真正信号是：当AI进入大规模落地阶段，市场上最稀缺、定价最高的能力，是说清楚"什么叫做好"并判断系统达没达标——也就是评估（evals）能力。 对正在决定"用不用AI、怎么管AI"的机构来说，这意味着验收权必须握在自己手里，不能交给卖方。

账号@aakashgupta发帖，基于562份招聘信息把AI产品经理分为四类并列出薪资中位数

四类岗位，钱按"你离模型多近"排

四类岗位的边界相当清楚。应用型AI产品经理给已有产品加AI功能，297个空缺，中位数22.2万美元，亚马逊、谷歌、微软招得最多；原生AI产品经理在AI优先的公司做产品，79个空缺，25.8万美元；AI平台产品经理做API和开发者工具，140个空缺，23.1万美元；模型产品经理决定模型学什么、何时上线，仅46个空缺，中位数34.5万美元，腾讯、Anthropic、阿里巴巴招聘最多。

作为参照，非AI产品经理的中位数是21.6万美元。模型产品经理高出约60%，而且这种溢价无法单用资历解释：同一职级对比，中级模型产品经理37.1万美元、同级非AI产品经理20万美元，高出86%。招聘区间上限更夸张，OpenAI核心模型产品经理最高49万美元，Anthropic安全防护产品经理最高46万美元。

账号@aakashgupta发帖，列出模型、原生、平台、应用型AI产品经理与传统产品经理的薪资中位数

岗位数量的分布同样说明问题。最大的市场是应用型AI：297个空缺、18家公司，也就是绝大多数机构正在做的事——给现有业务加AI。离模型最近的岗位最少、最贵。曾在谷歌领导Gemini和Veo产品工作的Madhu Guru估计，全球具备深度原生AI产品能力的产品经理不到75人。

高薪买的不是学历，是评估能力

模型产品经理的招聘要求，和多数人想象中的"技术门槛"对不上。46份职位描述里，只有1份提到博士学位，只有8份要求Python或SQL；出现频率最高的要求是评估能力，占76%。34%的平台型岗位要求工程背景，模型型反而只有约四分之一。

作者此前另一项统计可以互相印证：他让AI读了36家公司、8354个在招职位，筛出651个产品经理岗位，其中151个AI产品经理岗位不要求实操机器学习经验，只有15个明确要求；前者薪资中位数26.2万美元，非AI岗位21.6万美元。Anthropic为Claude开出38.5万至46万美元的产品经理职位，招聘启事写明"不需要工程背景"，但要求"对模型能力有深刻理解"；OpenAI核心模型产品经理则要"懂得把线下评估与线上实验、用户信号结合起来"。

账号@aakashgupta发帖，统计36家科技公司651个产品岗位后发现多数AI产品经理不要求机器学习经验

换句话说，市场高价购买的是两种判断力：知道模型能做什么，以及知道怎么衡量它做得好不好。 原帖评论区里一位从业者的概括很准确：规格文档描述意图，评估才强制执行意图；面对一个每次回答都不完全相同的系统，能写出好评估集的人，实际上是在定义"完成"是什么意思。

"评估就是新时代的需求文档"

谷歌Gemini模型产品负责人Tulsee Doshi在一期播客中讲得更直白。她说，研究人员几乎可以改进任何你能精确描述的东西，所以稀缺技能是说清楚"好"长什么样——"评估真的就是新时代的产品需求文档"。她建议的入手方法是准备20个输赢一目了然的提示词示例；她团队里"技术"的含义也并非计算机科学背景，金融、咨询出身的人同样被招，关键是能在95%的基础上"再往下挖两层"。

账号@aakashgupta发帖，列出AI产品经理六项可验证技能，评估能力排在最后也最关键

这对传统机构的工作方式是个实质冲击。过去上一套软件，需求文档写完、验收测试通过，系统行为是确定的；现在模型会以演示里看不到的方式出错，上线前要盯住任务成功率、人工接管率、单次成功任务成本、用户重新生成的频率。作者给出的评估方法也很具体：先读100条真实运行记录，命名失败模式，加上低成本的代码检查，再为每类失败构建一个模型裁判并与人工标注核对。这些工作不需要博士学位，但需要有人持续负责。

模型可以租，验收权不能外包

理解了这一点，再看机构层面的AI采购和管理，风险点就清楚了。大家调用的是同一批基础模型，真正拉开差距的是模型之外的部分。曾在谷歌做了十多年Chrome、现在参与Claude Code开发的Addy Osmani有句话被广泛传播："不错的模型配上出色的框架，总能胜过出色的模型配上糟糕的框架。" 框架包括指令、上下文、权限、工具连接和上线前的检查——其中"检查"对应的正是内部评估能力。

账号@aakashgupta发帖，引用从业者观点并拆解智能体框架的八个组成部分，校验是其中一环

与此同时，"独立评估"本身正在变成一门生意，机构需要警惕利益结构。Anthropic与埃森哲合作开展前沿AI的"嵌入式评估"，海外一位企业架构师就公开质疑：当评估方同时承接实施、集成和培训业务，评估很容易变成包装更好的销售漏斗；他建议买家直接追问——谁付费、评估方能否公开批评供应商、能否建议干脆不要部署。

Anthropic自己的第三方评估者计划也被人分析过：第一层级评估者调查范围受限，且发布内容需经Anthropic批准；评估者的访问权限由实验室授予，也可能被收回。分析者的结论是，真正有效的约束最终需要政府或立法层面的不依赖企业授权的机构。对单一机构而言，这意味着外部评估可以参考，但内部必须有人看得懂评估结论、问得出尖锐问题。

这波薪资上涨，不只是换个头衔

也有人提出合理怀疑：562份占1177份的近一半，"AI产品经理"会不会只是旧岗位换个新标题、加了点薪水？

从证据看，头衔之下的工作内容确实变了。四类岗位的主要产出里都出现了评估、实验、行为规范这类新交付物；在12500份职位描述的另一项统计中，出现频率最高的技能是"为AI挑选正确的用例"，排在RAG、智能体和提示工程之前。市场也没有为新手敞开大门：前述651个岗位中只有8个是入门级。美欧AI产品经理薪资溢价约15%至20%，印度达30%至50%，溢价买的是可验证的判断力，而非标签本身。

账号@aakashgupta发帖，引用招聘数据对比美国、印度AI产品经理薪资带宽与技能溢价

机构现在可以动手做的三件事

第一，把评估能力列为编制内能力，而不是采购条款。每个引入AI的核心业务，都应指定人对失败案例负责，积累本机构的提示词集和失败模式清单——20个边界清晰的案例就能起步。

第二，上线门槛用业务指标定义：任务成功率、人工接管率、单次成功成本、异常上报率，写进验收和续约文件；要求供应商提供离线评估与线上实验数据，并保留用自有案例复测的权利。

第三，保持评估的结构独立。参与选型、实施、评估的角色要分开；对咨询机构和供应商联合出具的"就绪报告"，默认追问其商业关系。涉及公共服务、金融、医疗等高风险场景，还要关注监管侧正在形成的第三方评估制度安排。

薪资榜单会过时，但它标出的瓶颈不会很快消失：当系统自己都说不准每次会输出什么，能定义好坏、敢于按下暂停键的人，就是机构用AI时最该先配齐的人。